Project Panama : Anthropic envoie des millions de livres à la découpe pour entraîner Claude

Imaginez un immense entrepôt rempli de palettes de livres. Ce n'est ni une bibliothèque ni des archives silencieuses. Ici, on ne lit pas : on dissèque. Des ouvriers en bleu de travail coupent soigneusement le dos de volumes tout neufs, transformant les reliures en piles de feuilles volantes qui disparaissent dans des scanners à haute vitesse. Ce n'est pas une scène d'une dystopie de Ray Bradbury, mais le quotidien d'une unité secrète d'Anthropic. Le projet porte le nom de code Project Panama, et ses détails viennent de surgir dans des archives judiciaires, ce qui a légèrement fait frissonner l'industrie devant l'ampleur de l'opération.

Anthropic a longtemps cultivé l'image d'une alternative « éthique » à OpenAI. Pendant que Sam Altman aspirait agressivement internet, les créateurs de Claude parlaient de sécurité et de responsabilité. Il s'avère pourtant que, lorsque les données de qualité viennent à manquer, l'éthique cède la place à un hachoir industriel. Les pièces judiciaires ont révélé qu'au début de 2024, la direction de la start-up a lancé un plan ambitieux de « numérisation destructive de tous les livres du monde ». La formule sonne sinistrement, mais techniquement elle se tient : pour numériser vite et sans déformation, il faut littéralement détruire le livre et le transformer en un ensemble de pages plates.

Pourquoi se compliquer ainsi alors que des versions électroniques existent ? La réponse tient à la qualité et aux droits. Les bibliothèques numériques légales coûtent cher et sont protégées par des licences strictes, tandis que les archives pirates comme Shadow Libraries contiennent souvent des erreurs de reconnaissance de texte.

Pour entraîner des modèles du niveau de Claude 3.5 ou du futur Claude 4, il faut des connaissances propres et structurées. Anthropic a jugé plus simple et moins coûteux d'acheter des millions d'exemplaires physiques, de les réduire en miettes et d'obtenir des copies numériques parfaites que de négocier avec chaque ayant droit séparément.

Le budget de l'opération s'est élevé à des dizaines de millions de dollars, une somme comparable au coût d'achat de puces H100.

Cette situation met en lumière le grand problème de l'industrie de l'IA actuelle : le « mur des données » n'est pas un mythe, c'est une réalité. L'humanité a déjà donné à manger aux réseaux de neurones presque tout Reddit, Wikipédia et les archives numérisées de journaux. Mais l'appétit des modèles croît de façon exponentielle. Si l'on disait autrefois que l'IA remplacerait les écrivains, on voit désormais l'IA dévorer littéralement leur héritage physique. L'ironie, c'est qu'une start-up valorisée à plusieurs milliards de dollars doit faire de la logistique de vieux papiers pour gagner quelques points de précision dans les réponses d'un chatbot.

Le secret autour de Project Panama s'explique simplement : l'affaire est désastreuse en termes de relations publiques. Difficile de vendre au public une « IA sûre » bâtie sur les ruines de livres détruits. Les juristes d'Anthropic espéraient probablement que la possession physique du livre leur offrirait une brèche dans la doctrine du « fair use » (usage loyal). En substance : nous avons acheté le livre, nous avons le droit de le lire, même si le « lecteur » est un algorithme et que la lecture exige de détruire le support. Mais les tribunaux seront sans doute peu indulgents envers la copie industrielle de masse.

Que faut-il en retenir ? Nous sommes entrés dans une ère où l'information du monde physique prend plus de valeur que la poussière numérique. Si l'on numérisait autrefois les livres pour les transmettre à la postérité, on le fait désormais pour nourrir une « boîte noire » qui nous livre un résumé dans un chat. C'est un changement radical dans notre rapport à la connaissance. Nous pourrions bientôt faire face à une pénurie d'éditions rares, simplement parce qu'une nouvelle licorne de l'IA aura décidé de racheter tout un tirage pour entraîner sa nouvelle « machine à langage ».

L'essentiel : Anthropic a montré que dans la bataille des données, on ne fait pas de prisonniers. Sommes-nous prêts à ce que l'intelligence de demain soit bâtie sur les cendres de livres brûlés ?